摘要：本申请涉及人工智能技术领域，公开了一种目标检测方法、装置、设备及存储介质，包括获取目标视频的全部待检测视频帧，并利用目标检测模型对所述待检测视频帧中预设类型的目标进行检测，得到初始目标检测框；对所述初始目标检测框中的目标特征进行提取并利用聚类模型对提取到的目标特征进行聚类处理，得到所述初始目标检测框之间的聚类关系；基于所述聚类关系通过对所述初始目标检测框进行去噪处理的方式确定出关键目标检测框，以对所述待检测视频帧中的预设类型的关键目标进行检测。可见，本申请可针对任意视频的视频帧进行关键目标检测，无须依赖关键目标检测数据集以提高检测效率，同时避免出现假阳性检测结果以提高检测精度。

摘要：本申请实施例提供一种目标检测方法、装置、电子设备及存储介质，其中，方法包括确定至少一个待更新检测区域；至少一个待更新检测区域通过三维检测得到；每个待更新检测区域包括检测位置信息；根据雷达点云数据确定至少一个聚类点云集合；每个聚类点云集合包括点云位置信息；将至少一个待更新检测区域和至少一个聚类点云集合进行匹配，得到至少一个匹配组合；每个匹配组合包括一个匹配检测区域和一个匹配聚类点云集合；根据匹配聚类点云集合的点云位置信息和匹配检测区域的检测位置信息，调整匹配检测区域，得到更新检测区域。通过本申请实施例的一种目标检测方法，可以以通过更新三维检测得到的检测区域，提高检测的精确度。

摘要：本申请涉及一种目标检测方法、装置、设备和介质，其方法包括获取待检测图片；其中，待检测图片包括电力信息图像；对待检测图片进行特征提取，得到多个不同大小的第一特征图；对多个不同大小的第一特征图进行自适应注意力计算，得到多个不同尺度的第二特征图；对多个不同尺度的第二特征图进行特征融合，得到融合特征图；对融合特征图进行多个电力信息的故障状态检测，得到检测结果。进行自适应注意力计算，使得不同尺度的第二特征图具有丰富的多尺度上下文信息，在一定程度上缓解了由于通道数减少而造成的信息丢失，提高了目标检测的精度。

摘要：本申请公开了一种目标检测方法与装置,包括获取待检测图像；将所获取的待检测图像输入目标检测网络中，以判断待检测视频图像是否出于预设的特定状态；进一步包括模型训练步骤，具体包括S201采集包含有偷拍状态和非偷拍状态的手机视频图像，并划分为训练集和验证集；S202将训练集输入防偷拍检测模型对模型进行训练，当防偷拍检测模型的学习率达到预设值时，训练完成。

摘要：本申请一些实施例提供了一种目标检测方法、装置、设备及介质，该方法中在将每个裁剪图像输入到预先训练完成的第一特征提取网络模型中进行特征提取之前，将待检测的图像按照预设形状，切分为预设数量的裁剪图像，有效避免了在目标检测过程中，特征提取层和空间金字塔池化层在缩放的过程中丢失图像的细节信息的问题，在之后的目标检测过程中，全连接层基于注意力机制确定待检测的图像的权重矩阵，根据权重矩阵以及第一图像特征向量为包含目标的区域分配更多的权重，提高了对于小目标检测的准确率与召回率。

摘要：本申请实施例公开了一种目标检测方法、装置、设备及介质，涉及计算机视觉技术领域。该方法包括通过在检测网络的训练阶段，对训练图像的标注框附近指定区域内的特征向量进行信息熵计算以确定标注框附近的信息熵阈值。该信息熵阈值表征标注框周边的环境特征，由此在检测网络收敛后，通过待处理视频进行识别以确定第一图像目标区域内的特征向量，进而通过对特征向量进行信息熵计算以确定目标区域内的平均信息熵。上述平均信息熵表征了第一检测对象周边的环境特征，根据平均信息熵与信息熵阈值的比对结果即可确定第一检测对象周边的环境特征是否与标注框周边的环境特征相像，进而确定第一检测对象是否为待搜索目标。

摘要：本发明涉及计算机技术领域，具体提供一种目标检测方法、计算机可读存储介质及驾驶设备，本发明在目标检测模型的训练过程中，根据训练图像样本的标注框和锚点框，得到锚点框的初步识别类别；针对初步识别类别为正样本的锚点框，进一步根据与锚点框的交并比大于预设交并比阈值的标注框数量，或者，基于与锚点框的交并比大于预设交并比阈值的标注框数量以及锚点框与标注框的位置关系确定初步识别类别为正样本的锚点框的最终识别类别，至少根据锚点框、锚点框的最终识别类别以及标注框对待训练目标检测模型进行训练，得到训练好的目标检测模型。本发明基于该训练好的目标检测模型进行目标检测，可以有效提高识检测效果并避免重框问题。

摘要：本申请提供了一种目标检测方法、装置、设备及可读存储介质，该方法包括将事件相机缓存的事件流信息中目标帧数的事件数据进行聚合，得到目标事件数据；基于目标事件数据生成整体事件图像；对整体事件图像进行分块处理，得到多张子事件图像；将多张子事件图像中有效子事件图像输入至目标检测神经网络进行分类识别，得到目标检测结果。通过本申请方案的实施，将事件图像进行分块处理后提取其中有效事件图像进行目标检测，降低了待检测数据的稀疏性，提高了算力的利用率以及目标检测的效率。

摘要：本申请实施例公开了一种目标检测方法、装置、设备及介质，涉及计算机视觉技术领域。该方法包括通过将待处理图像输入目标检测网络以确定待处理图像中是否包含目标类型的待搜索对象，以及待搜索对象在图像中的位置区域。该目标检测网络是基于标注目标框和已标注第一样本类型的预测目标框训练得到的，上述预测目标框的第一样本类型是根据训练图像在预测目标框内的图像特征与该训练图像在标注目标框内的图像特征的相似度确定的。由此在目标检测网络的训练阶段不仅需基于预测目标框与标注目标框间的坐标差异对模型进行修正，还需基于预测目标框与标注目标框的图像特征相似信息对模型进行修正，以此提高模型的检测精度。

摘要：本申请提供一种目标检测方法、装置、电子设备及存储介质，该方法包括获取路侧的多目标图像；多目标图像输入M3‑YOLOv4检测模型，输出目标检测结果；其中，M3‑YOLOv4检测模型包括骨干网络MobileNetV3、空间金字塔池化、路径聚合网络及检测头。该方案可以解决现有目标检测时效性差的问题。

摘要：本发明提供了一种目标检测方法、系统及相关设备，该方法为调用设置在车辆特定位置的图像采集设备，采集得到待处理图像；将待处理图像输入预设的目标检测网络进行目标检测，以检测得到目标对象对应的处于第一坐标系下的第一坐标；对第一坐标进行坐标系变换，得到目标对象对应的处于第二坐标系下的第二坐标；将第二坐标传输给车辆搭载的毫米波雷达阵列，使毫米波雷达阵列根据第二坐标检测目标对象的详情信息。本方案通过图像采集设备和目标检测网络确定目标对象的坐标，使毫米波雷达阵列基于该坐标来检测目标对象的详情信息，结合图像采集设备和毫米波雷达进行目标检测，提高目标检测的准确性。

摘要：本申请公开了一种目标检测方法、装置、设备及可读存储介质，该方法包括获取当前帧图像，对当前帧图像中的目标进行密度检测，得到密度检测结果；根据密度检测结果对当前帧图像进行裁切，得到图像块；将各图像块输入到与图像块中的目标密度对应的目标检测器中，以进行目标检测；对各图像块的目标检测结果进行拼接，得到当前帧图像的目标检测结果。本申请公开的上述技术方案，根据目标密度分布情况对当前帧图像进行动态自适应分块，并根据不同图像块中目标的密度分布情况选用与图像块相适配的目标检测器进行目标检测，以提高目标检出能力及目标检测精度，且通过对当前帧图像进行密度检测还可以去除当前帧图像中的非目标区域，以提高目标检测速度。

摘要：本发明提供一种多传感器融合的3D目标检测方法，包括获取同一时刻目标场景的二维图像和三维彩色点云数据；对所述二维图像进行图像语义分割，得到语义分割图；将所述三维彩色点云数据与所述语义分割图进行融合得到融合数据，并基于所述融合数据得到彩色点云数据；对所述彩色点云数据进行特征提取，得到待检测特征；利用训练好的点云目标检测模型，基于所述待检测特征得到检测结果。本发明融合二维图像和点云各自优点，具有检测精度高，尤其在行人，两轮车等小目标的检测，容易部署等优势。

摘要：本申请提供一种目标检测方法及装置，涉及无人驾驶技术领域，可以提升目标检测的准确率。具体方案包获取待测区域的视觉图像和点云数据，点云数据包括一个或多个雷达反射点；将基于视觉图像提取出的一个或多个图像特征与点云数据关联，得到与每个图像特征相关联的一个或多个雷达反射点；根据与每个图像特征相关联的一个或多个雷达反射点，确定每个图像特征对应的雷达特征；根据每个图像特征和每个图像特征对应的雷达特征，检测待测区域内的目标对象的空间状态，目标对象包括人体和/或物体。

摘要：本发明实施例提供了一种目标检测方法、装置和可读存储介质。其中的方法包括将待处理图像输入参数预测网络，通过参数预测网络输出调优参数，所述调优参数包括去雾参数、白平衡参数、对比度参数、色调参数、锐化参数、以及矫正参数中的至少一种；根据参数预测网络输出的调优参数，对待处理图像进行图像增强处理，得到优化图像；将所述待处理图像对应的优化图像输入目标检测网络进行目标检测，通过所述目标检测网络输出目标检测结果，所述目标检测网络和所述参数预测网络为预先利用训练数据联合训练得到的神经网络，所述训练数据包括符合预设条件的图像。本发明实施例可以减少用户的操作成本，以及提高目标检测的准确性。

摘要：本发明实施例公开了一种目标检测方法、装置、汽车及存储介质，该方法包括通过单目摄像头拍摄待检测图像，并将待检测图像输入至预训练的目标特征提取网络，获取与待检测图像对应的图像特征；根据与待检测图像对应的图像特征，以及预定义的二维目标的锚点模板和三维目标的锚点模板，获取多个二维预测框和三维预测框；通过预设边框转换方法，根据与待检测图像对应的各二维预测框和各三维预测框，获取与待检测图像对应的二维目标检测框和三维目标检测框，以实现对待检测图像的目标检测。本实施例的技术方案，通过采用目标特征提取网络对待检测图像进行深度特征提取，可以提升深度特征的提取准确度，从而可以提升目标检测的准确度。

摘要：本发明提供一种目标检测方法、装置、终端及计算机可读存储介质，目标检测方法包括获取到预设区域的待检测视频帧；对待检测视频帧进行目标检测，得到待检测视频帧中包含的候选目标；对候选目标进行特征提取，得到候选目标的特征信息；基于候选目标的特征信息与包含目标对象的第一样本集之间的第一相似度，确定候选目标是否为目标对象。本申请对待检测视频帧进行目标检测，得到候选目标，通过将候选目标的特征信息与包含目标对象的第一样本集进行比对，确定候选目标是否为目标对象，避免出现目标对象误检的现象，进而提高了检测准确率以及检测方法的泛化性能。

摘要：本申请提供一种目标检测方法、计算机程序产品及电子设备，应用于计算机视觉领域，其中，目标检测方法包括获取点云特征以及与其对应的图像特征；将点云特征转换至一体素空间中，得到体素空间中的第一体素特征，以及，将图像特征转换至体素空间中，得到体素空间中的第二体素特征；其中，体素空间的第一坐标系与采集点云特征所对应的点云数据的第一采集设备对应的第二坐标系以及采集图像特征所对应的图像数据的第二采集设备对应的第三坐标系均不同；根据第一体素特征以及第二体素特征进行融合，得到待检测特征，并基于待检测特征对待检测目标进行检测。

摘要：本申请提供了一种目标检测方法及装置，该方法通过获取待处理图像，将待处理图像输入到第一卷积神经网络模型，得到第一卷积神经网络模型获得的待处理图像的类别概率，若类别概率表征待处理图像为异常切片，则将待处理图像输入到第二卷积神经网络模型，减少非异常切片对第二卷积神经网络模型的干扰，使第二卷积神经网络模型对待处理图像进行处理，提升结节区域的分割准确性，并减少第二卷积神经网络模型的工作量，提高分割效率。

摘要：本申请提供一种目标检测方法、装置、设备及存储介质，涉及计算机视觉技术领域，可以准确有效地进行目标检测的工作。该方法包括获取雷达信号对应的点云中每个点的雷达特征和图像特征；将点云划分为N个子点云；N大于或等于1；根据子点云中每个点的雷达特征和图像特征，分别确定每个子点云的注意力系数；注意力系数用于指示子点云中的点之间的雷达信息的相互注意力，以及图像信息的相互注意力；分别确定每个子点云的融合特征；一个子点云的融合特征由该子点云的注意力系数对该子点云的雷达特征和图像特征加权得到；将N个子点云的融合特征投影至鸟瞰图，进行目标检测。本申请可用于3维目标检测的过程中。